TCGA数据下载教程：使用官方gdc-client软件下载

前言

本教程涉及内容：

1. TCGA网页数据下载，检索方式
2. gdc-client软件安装和配置
3. 使用gdc-client下载TCGA数据

[补充]

1. 怎么根据TCGA官方的API下载数据？简单几句命令轻轻松松下载想要的TCGA大数据
2. Python脚本下载TCGA大数据，非常简单，开放源代码
3. 图形界面下载TCGA大数据，GitHub项目
4. 插播：CPI Retrieval System
   自己搭建的化合物和 蛋白质相互作用关系检索系统。本系统是基于深度学习模型自动提取文献摘要中的关系而来。欢迎访问指教。
   

正文开始

本教程使用原生态的TCGA官方数据下载方式，比使用第三方的工具具有数据更新快，真实的特点，当然如果觉得麻烦可以使用第三方的一些工具，单对于想要真正了解TCGA数据库的人，还是使用原生态的TCGA方式。

TCGA改版后，下载方式变得大为不同，数据都整合在GDC（Genomic Data Commons）的DATA PORTAL中。
TCGA官网：https://cancergenome.nih.gov/
TCGA数据下载网址：https://portal.gdc.cancer.gov/
Data Transfer Tool网址：https://gdc.cancer.gov/access-data/gdc-data-transfer-tool
如果下载慢，我这提供一份下载好的连接：
https://github.com/chenwi/TCGAD/blob/master/gdc-client_v1.3.0_Windows_x64.zip

TCGA官网数据检索

如果在官网下，需要点击右边的Launch Data Portal，也就是上面TCGA数据下载的网址

进入到数据下载页面（可以直接点击上面TCGA数据下载网址）后，看到的目前版本如下，目前已有40个project，32555个case。

我以白血病（AML）为例，下载与白血病相关的miRNA数据。
首先点击上图的Repository进入数据检索界面，你看到的界面如下：

在 File栏目下，选择Experiment Strategy 的miRNA-Seq 还有Data Type 的miRNA Expression Quantification；然后在Case栏目下选择Primary Site 中的Blood和Bone Marrow，和Disease Type 的Acute Myeloid Leukemia，这时候你会看到界面变成下面这样了：

因为一般只能下载open数据，所有，可以再上面图中Access Level的地方点击一下 ，就会得到知识open的数据了（不点击也没关系，反正后期只会下载open的数据）

这次选择下载的是miRNA-Seq数据，上图显示共有265个case，301个文件，为什么会比case数多呢，说明一些case不止对应1个miRNA-Seq样本的文件，有些是重复。所有数据一共15.14MB，也不大，可以直接在网页下载，但是，本教程是讲解使用官方API下载，数据小更好演示，下面具体讲解使用gdc-client下载数据。（TCGA数据库在数据下载有规定：让Cart文件夹大于50M时，只能通过Data Transfer Tool工具进行下载。所以我这次要使用Data Transfer Tool工具来下载数据。）

首先点击上图中Manifest 这时候会下载一个包含所有文件名的小txt文件，是后面下载TCGA数据所必须准备的。我下载保存到下面文件夹了：

安装配置 Data Transfer Tool

如何安装Data Transfer Tool，也就是gdc-client这个接口软件呢？
要安装Data Transfer Tool，需要到下载页面下载该工具。
Data Transfer Tool网址：https://gdc.cancer.gov/access-data/gdc-data-transfer-tool
进去界面后，找到下图的地方，并选择windows环境下的工具，也就是打钩的那个。下载后解压缩即可使用。至于怎么用，我刚开始看到是.exe文件，但是这个软件是需要用命令行来使用的。

我把该工具解压到下面这个文件夹，根据图标，说明这个软件是用Python写的，然后使用Pyinstaller打包的。
！！！！！！！！！！！！！！！**注意**！！！！！！！！！！！！！！！！！
该软件不能解压到含有中文名的文件夹下，否则会报错，不能使用！！！

具体使用：打开CMD命令行窗口，输入-h命令，可以看软件是否能使用。

把gdc-client加入环境变量

有没有发现我的这个命令很长？那是因为，我还没把这个软件加入环境变量，如果以后想在任何一个路劲简单使用gdc-client这个命令，那就需要把这个软件的路径加到环境变量。就是在Path加入刚刚软件所在的路径即可”。具体操作如下：
打开电脑控制面板——》系统和安全——》系统——》高级系统设置——》环境变量——》Path——》“加入你的gdc-client所在路径” ，然后应用保存。

1. 打开电脑控制面板
   
2. 系统和安全
   
3. 系统
   
4. 高级系统设置
   
5. 环境变量
   
6. Path
   

上面配置都完成后，看下图，现在简单输入gdc-client -h 就行了。

使用gdc-client下载TCGA数据

下载方式很简单，还记得上文中下载的Manifest文件吧，然后在windows下打开cmd，并在其中输入下载命令：

gdc-client download -m gdc_manifest.2018-07-02.txt

然后就是慢慢下载了，如果中间有报错断了，一般就是网络不好的原因，重新下载或者换个时间段就行了。
最后就下载完了，一共301个文件，命令行界面和文件夹界面如下所示：

此教程结束。

其他使用python自定义脚本下载，以及将多个文件合并到一起的教程，请参考我的其他博文。